Advertisement

深圳地铁站点数据的自行爬取

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本项目旨在通过编程技术自主获取深圳地铁各站点的相关信息和线路分布，为研究及应用提供基础数据支持。 通过高德地图爬取的深圳市地铁站点数据仅供自己使用，包含站点名、经度、纬度三个词条。如果有需要可以下载，例如：name,lat,lon 罗湖,114.118666,22.532083 国贸,114.118909,22.539680 老街,114.116939,22.544232。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 深圳地铁站点数据的自行爬取
    优质
    本项目旨在通过编程技术自主获取深圳地铁各站点的相关信息和线路分布，为研究及应用提供基础数据支持。 通过高德地图爬取的深圳市地铁站点数据仅供自己使用，包含站点名、经度、纬度三个词条。如果有需要可以下载，例如：name,lat,lon 罗湖,114.118666,22.532083 国贸,114.118909,22.539680 老街,114.116939,22.544232。
     
  • 2020年深圳地铁站数据（含经纬度，源自高德地图爬取）
    优质
    该数据集包含2020年深圳市所有地铁站点的详细信息，包括各站点的经度和纬度坐标。数据通过爬取高德地图获得，为研究与开发提供了宝贵的地理参考依据。 利用Python从高德地图中爬取了深圳地铁站的信息，包括经纬度数据，并且已经与高德地图上的地铁站数据进行了对照，确保没有遗漏，大家可以放心使用。
     
  • 深圳地铁站点经纬度.xls
    优质
    本文件提供了深圳市内各主要地铁站点的精确地理位置信息，以Excel表格形式列出站点名称及对应的经度和纬度坐标。 2020年深圳地铁站点的经纬度数据可以提供详细的地理位置信息。
     
  • 2020版深圳地铁线路及站点矢量SHP数据
    优质
    本资料为2020年更新的深圳地铁线路和站点矢量SHP文件，详尽记录了各条线路走向与站点位置信息。适合城市规划、地理信息系统分析等用途。 2020年最新深圳地铁线及站点矢量shp数据包括了1号线、2号线、3号线、4号线、5号线、7号线、9号线和11号线的数据，以及各个站点的具体信息。坐标系统采用WGS84。
     
  • 深圳地铁线路与站点矢量数据（截至2021年初）
    优质
    本数据集包含深圳市截止至2021年初所有已开通运营的地铁线路及站点信息，以矢量格式呈现，便于地理信息系统中的分析和展示。 该数据使用WGS84投影坐标系，并以shp文件格式提供。它包含了截至2021年初深圳市所有地铁线路及其站点的矢量数据，这些数据是从互联网地图中提取出来的。线性形状的数据包括属性信息，可以直接用ArcGIS、Skyline等软件打开和查看。
     
  • 深圳最新的地铁站信息
    优质
    该简介提供关于深圳最新开通的地铁站点详情，包括各站点位置、线路走向及运营时间等实用信息。 深圳市截至2019年12月31日的地铁站数据以txt文件格式提供，包含各站点的WGS84、BD09及百度米制坐标等信息。
     
  • 基于爬虫技术获取的全国地铁站点经纬度数据
    优质
    本项目利用爬虫技术收集了全国主要城市地铁站的地理坐标信息，为地图服务、交通规划及研究提供了精确的数据支持。 全国地铁站点经纬度数据是通过爬虫技术获取的全国范围内的地铁站信息。这些数据可用于分析各城市地铁分布情况或在公司内部项目中展示地铁站点位置等用途。
     
  • 深圳地铁及站点矢量SHP数据（WGS84坐标系，2021年4月更新）.zip
    优质
    本资源提供深圳市最新地铁线路及其各站点的矢量数据包，采用国际标准WGS84坐标系统，截至2021年4月更新，适用于地理信息系统分析与规划。 深圳地铁和地铁站矢量shp数据（WGS84坐标系），更新至2021年4月最新版本。
     
  • 深圳公交站点数据更新版.rar
    优质
    该文件为最新版本的深圳公交车站信息数据集，包含了全市主要公交线路及站点位置、运营时间等详细资料，便于用户规划出行路线。 深圳公交车数据包括公交站点数据和公交线路数据（最新更新至2017年）。
     
  • 深圳地铁大数据客流分析系统（SZ-Metro）
    优质
    深圳地铁大数据客流分析系统（SZ-Metro）是一款专为深圳市轨道交通设计的数据分析平台，通过整合地铁运营数据，提供实时与历史客流统计、趋势预测等功能，助力优化线路规划及提升服务质量。 本项目借鉴了SZT-bigdata深圳地铁大数据客流分析系统，在数据处理部分进行了参考，并在原作者的框架下做了大量改动。原作者使用数据仓库模式进行查询和可视化取得了显著成果。由于时间和数据集规模（百万级）的原因，本人没有采用同样的技术路线，而是通过Flink完成数据清洗和聚合后，再利用Elasticsearch与Kibana的技术方案完成了客流信息、地铁收入、乘客车费、乘车区间以及乘车时间的查询及可视化工作。 在此基础上，使用Flink实现了各线路、站点和乘车区间的实时客流计算功能，并将结果写入Hbase中供下游业务进行查询。再次感谢原作者在技术上的贡献与启发。此外，原作者优秀的数仓建模和数据分析方法也已列入本人后续的学习计划之中。